Domino Data Lab resmi menjalin kesepakatan senilai US$ 99,7 juta dengan Angkatan Laut Amerika Serikat untuk mengembangkan perangkat lunak kecerdasan buatan (AI) pendeteksi ranjau bawah laut. Teknologi ini memungkinkan pembaruan algoritma deteksi ranjau hanya dalam hitungan hari guna mengamankan jalur perdagangan minyak global yang juga berdampak pada stabilitas harga energi di Indonesia.
Angkatan Laut Amerika Serikat (US Navy) baru saja menandatangani kontrak besar senilai US$ 99,7 juta atau sekitar Rp 1,59 triliun dengan Domino Data Lab. Perusahaan rintisan asal San Francisco ini ditugaskan membangun sistem perangkat lunak yang mampu memantau, mengoreksi, dan memperbarui model kecerdasan buatan (AI) pada armada drone bawah laut secara real-time.
Langkah strategis ini bertujuan untuk mempercepat deteksi ranjau laut di wilayah konflik, khususnya di Selat Hormuz. Jalur ini merupakan titik nadi perdagangan minyak dunia yang sering kali menjadi lokasi penyebaran ranjau guna menghambat pergerakan kapal kargo dan tanker. Selama ini, proses pembaruan algoritma untuk mengenali jenis ranjau baru membutuhkan waktu berbulan-bulan, namun teknologi terbaru ini memangkas durasinya menjadi hitungan hari saja.
Otomasi Deteksi dengan Sensor Multimodal
Sistem besutan Domino Data Lab bekerja dengan mengintegrasikan berbagai rangkaian sensor canggih pada kendaraan bawah laut tak berawak (UUV). Perangkat lunak ini tidak hanya mendeteksi objek, tetapi juga mengawasi kinerja model AI lain yang sedang beroperasi di lapangan untuk menemukan kegagalan sistem secara instan.
- Teknologi Sensor: Side-scan sonar dan sistem pencitraan visual (visual imaging).
- Fungsi Utama: Memantau kegagalan deteksi AI dan mengirimkan koreksi langsung di medan operasi.
- Efisiensi Waktu: Pembaruan model deteksi dari hitungan bulan/tahun menjadi kurang dari satu minggu.
- Target Operasi: Pembersihan ranjau di perairan dangkal dan jalur sempit (chokepoints).
"Berburu ranjau yang dulunya merupakan tugas kapal besar, kini beralih menjadi tugas AI," ujar CEO Domino Data Lab, Thomas Robinson. Ia menekankan bahwa kecepatan adalah kunci di wilayah perairan yang diperebutkan. Menurutnya, jika drone yang sebelumnya dilatih untuk ranjau Rusia di Laut Baltik harus dipindahkan ke Selat Hormuz untuk menghadapi ranjau Iran, teknologi Domino memungkinkan transisi tersebut selesai dalam sepekan, bukan setahun.
Militer AS dan Adopsi Skala Besar LLM
Kontrak dengan Domino Data Lab ini merupakan bagian dari tren besar Pentagon yang kian agresif mengadopsi teknologi kecerdasan buatan. Departemen Pertahanan AS dilaporkan telah menjalin kerja sama dengan tujuh raksasa teknologi, termasuk SpaceX, OpenAI, Google, Nvidia, Microsoft, dan Amazon Web Services untuk menyebarkan Large Language Models (LLM) di jaringan rahasia mereka.
Alat-alat ini dirancang untuk menyaring volume data raksasa dan mengidentifikasi pola yang mustahil diproses oleh manusia dalam waktu singkat. Di sisi lain, DARPA selaku badan riset pertahanan juga tengah membuka proposal untuk pengembangan drone bawah laut generasi berikutnya yang dapat diproduksi secara cepat dan massal.
Urgensi Keamanan Jalur Maritim Global
Operasi pembersihan ranjau di Selat Hormuz memiliki risiko tinggi bagi keselamatan pelaut karena serangan bisa terjadi kapan saja tanpa peringatan. Penggunaan drone bawah laut yang ditenagai AI diharapkan mampu menekan risiko kehilangan nyawa manusia sekaligus mempercepat pembukaan kembali jalur perdagangan yang terblokade.
Bagi Indonesia, perkembangan teknologi keamanan maritim ini menjadi catatan penting mengingat posisi geografis tanah air yang berada di jalur lintas kapal internasional (ALKI). Efisiensi deteksi ranjau berbasis AI di level global secara tidak langsung menjaga kelancaran arus logistik laut yang masuk ke pelabuhan-pelabuhan utama di Indonesia, terutama untuk komoditas energi dan pangan yang sangat sensitif terhadap gangguan di jalur distribusi internasional.
Integrasi AI dalam perangkat keras militer ini menandai pergeseran besar dalam taktik pertahanan modern. Fokus kini tidak lagi hanya pada kekuatan fisik armada, melainkan pada seberapa cepat perangkat lunak di dalamnya dapat belajar dan beradaptasi dengan ancaman baru di medan tempur.
